RINGKASAN MATERI KULIAH

TEORI PASAR MODAL DAN ANALISIS INVESTASI

“ BAB 17: MODEL PERHITUNGAN RETURN TAK NORMAL”

Kelas C

Dosen Pengampu: Drs. Agus Budi, S.E., M.Si.

Kelompok 10:

Queenaria Jayanti (100418341)

Thomas Julianto S (100418386)

FAKULTAS EKONOMI

UNIVERSITAS ATMA JAYA YOGYAKARTA

2013

17.1 PENDAHULUAN

Efisiensi pasar diuji dengan melihat abnormal return yang terjadi. Pasar dikatakan

tidak efisien jika satu atau beberapa pelaku pasar dapat menikmati rerturn yang tidak

normal dalam jangka waktu yang cukup lama. Beberapa model perhitungan yang

digunakan adalah model sesuaian rata-rata (mean-adjusted model), model pasar (market

model), dan model sesuaian pasar (market-adjusted model).

17.2 RETURN TIDAK NORMAL

Abnormal return atau excess return merupakan kelebihan return yang sesungguhnya

terjadi terhadap return normal. Return normal merupakan return ekspektasian (return

yang diharapkan investor). Dengan demikian return tidak normal adalah selisih antara

return sesungguhnya yang terjadi dengan return ekspektasian.

RTNi,t = Ri,t – E[Ri,t]

RTNi,t = abnormal return sekuritas ke-i pada periode peristiwa ke-t.

Ri,t = return realisasian yang terjadi untuk sekuritas ke i pada periode peristiwa ke-t.

E[Ri,t] = return ekspektasian sekuritas ke-i untuk periode peristiwa ke-t.

17.2.1 Mean-Adjusted Model

Model ini menganggap bahwa return ekspektasian bernilai konstan yang sama

dengan rata-rata return realisasian sebelumnya selama periode estimasi.

Periode estimasi umumnya merupakan periode sebelum periode peristiwa.

Periode peristiwa (event period) disebut juga dengan periode pengamatan atau

jendela peristiwa ( event window). Umumnya periode jendela juga melibatkan

hari sebelum tanggal peristiwa untuk mengetahui apakah terjadi kebocoran

informasi (apakah pasar sudah mendengar informasi sebelum informasi

diumumkan). Periode jendela sabagai periode pengamatan merupakan periode

yang akan dihitung nilai abnormal returnnya.

17.2.2 Market Model

Perhitungan return ekspektasian dengan model pasar dilakukan dengan 2

tahap, yaitu:

1. Membentuk model ekspektasian dengan menggunakan data realisasi selama

periode estimasi.

2. Menggunakan model ekspekasi ini untuk mengestimasi return ekspektasian

di periode jendela.

Ri,j = αi + βi. Rm,j +εi,j

Ri,j = return realisasian sekuritas ke-i pada periode estimasi ke-j.

αi = intercept untuk sekuritas ke-i

βi = koefisien slope yang merupakan beta dari sekuritas ke-i

Rm,j = return indeks pasar pada periode estimasi ke-j

εi,j = kesalahan residu sekuritas ke-i pada periode estimasi ke-j.

17.2.3 Market-Adjusted Model

Model ini menganggap bahwa penduga yang terbaik untuk mengestimasi

return suatu sekuritas adalah return indeks pasar pada saat tersebut. Dengan

menggunakan model ini, maka tidak perlu menggunakan model estimasi,

karena return sekuritas yang diestimasi adalah sama dengan return indeks

pasar.

17.3 RATA-RATA RETURN TIDAK NORMAL

Pengujian adanya abnormal return tidak dilakukan untuk tiap-tiap sekuritas, tetapi

dilakukan secara agregrat dengan menguji rata-rata return tidak normal seluruh

sekuritas secara cross-section untuk tiap-tiap hari di periode peristiwa. Rata-rata return

tidak normal untuk hari ke-t dapat dihitung berdasarkan rata-rata aritmatika. Pengujian

rata-rata return tidak normal digunakan pengujian t-test yang menguji hipotesis nol

bahwa rata-rata return tidak normal adalah sama dengan nol.

17.4 AKUMULASI RETURN TIDAK NORMAL

Akumulasi return tidak normal (ARTN) atau cummulative abnormal return (CAR)

merupakan penjumlahan return tidak normal hari sebelumnya di dalam periode

peristiwa untuk masing-masing sekuritas. Akumulasi rata-rata return tidak normal

(ARRTN) dapat juga dihitung dengan mengakumulasikan rata-rata return tidak normal

untuk hari-hari sebelumnya.

17.5 PENGUJIAN STATISTIK TERHADAP RETURN TIDAK NORMAL

Pengujian ini mempunyai tujuan untuk melihat signifikansi return tidak normal yang

ada di periode peristiwa. Signifikansi yang dimaksud adalah bahwa abnormal return

tersebut secara statistik signifikan tidak sama dengan nol (positif untuk kabar baik dan

negatif untuk kabar buruk) dengan pengujian t-test.

Pengujian-t yang menguji hipotesis nol bahwa nilai suatu parameter sama dengan nol :

t = β

kesalahan standar estimasi

t = t-hitung

β = parameter yang aka diuji signifikansinya

17.5.1 Kesalahan standar estimasi berdasarkan rata-rata return periode estimasi

Cara pertama menghitung kesalahan standar estimasi dilakukan berdasarkan

deviasi nilai-nilai return dari nilai rata-rata returnnya selama periode estimasi.

17.5.2 Kesalahan standar estimasi berdasarkan prediksi return periode estimasi

Cara kedua menghitung kesalahan standar estimasi berdasarkan deviasi nilai-nilai

return dari nilai estimasinya selama periode estimasi. Dengan demikian

perbedaan cara pertama dan kedua dalam menghitung kesalahan standar estimasi

adalah terletak di standar yang digunakan untuk mengukur penyimpangan return-

returnnya selama periode estimasi. Di cara pertama, nilai standar yang digunakan

adalah nilai rata-rata returnya, sedangkan di cara kedua, nilai standar yang

digunakan adalah nilai estimasi returnnya.

17.5.3 Kesalahan standar estimasi secara cross-section

Cara ketiga dari perhitungan kesalahan standar estimasi didasarkan pada deviasi

standar return-return tidak normal dari k-sekuritas secara cross-section untuk

setiap hari di periode peristiwa. Cara ketiga ini menghitung kesalahan standar

estimasi langsung di periode peristiwa, tidak menggunakan periode estimasi. Cara

ini lebih tepat digunakan untuk menghitung model sesuaian pasar (market

adjusted model) yang hanya menggunakan periode peristiwa dan tidak

menggunakan periode estimasi.

17.6 PENJELASAN RETURN TIDAK NORMAL

Beberapa penelitian berusaha menetukan faktor spesifik perusahaan yang dapat

menjelaskan terjadinya abnormal return dengan menggunakan teknik regresi.

Akumulasi return tidak normal (ARTN) digunakan sebagai dependen variabel dan

faktor-faktor spesifik perusahaan digunan sebagai independen variabel sebagai berikut:

ARTN i.t4 = f(faktor-faktor spesifik perusahaan)